概括的来说,我的研究方向是在认知神经科学领域--主要研究人类认知功能的神经机制。其包括至少两个主要研究方向:神经的表征和计算。神经的表征是指信息是如何在我们大脑中表征的;而神经计算是指神经的表征是如何形成和改变的。我认为存在一种通用普遍的神经计算机制,称作典型神经计算,其可以应用到不同的模态和认知领域的信息处理中。我在我自己的研究中使用言语和语言来作为模型去探索反应人类认知功能的典型神经计算两种神经计算方式最为主要:
转化:
大脑内部不同功能区域的神经表征会随着时间而变化。我们主要关注运动感知转化和其在言语语言行为上的功能性,包括其在如下研究主题中假设的计算功能:
整合:
时间、空间、模态等信息的结合通常会产生一个新的表征。我的在这个方向的研究,致力于时间整合(大多是与我的合作者合作)和多模式整合:
时间整合 (合作与丁鼐, 滕相斌和David Poeppel): 相似的信息在时间上进行总结(比如,声音、书写文字以及他们的后续语言学处理)。有理论提出,神经振荡可能在言语理解中有一个整合性的功能。但是神经振荡如何调节整合过程、言语理解和语言理解?
多模式整合: 不同来源的信息结合在一起。多感知整合(比如视觉-听觉整合)是最常见的多模式整合之一。我对运动如何与其他的认知功能整合以及其整合的功能特别感兴趣。这个多模式整合与其他的不同,因为它不需要外来的信息;而相对的,信息可以是内在产生的(比如运动感知转化)。 例如:
1) 运动感知转化如何与外界反馈整合来实现言语控制?它如何处理信息当他们(时间、空间、特异性)不一致?
2) 这些感知与自我监控功能是如何通过整合运动感知转化和感知反馈获取的?
3) 运动感知转化能够整合其他的信息来产生新的(情景或者语义)记忆么?
我也对跨学科研究感兴趣,比如神经科学和计算机科学领域之间。通过与计算机科学领域的教授(张峥教授和邱锡鹏教授)合作,我们想要在言语语言领域建立一个横跨人工智能和人类智慧的桥梁。例如,我们研究自然语言处理和语言神经机制处理上的共性,特别是在语义层面上。而且,我们也想要使用周期性的神经网络模型去测试神经科学的理论和模型,比如偏侧性和运动感知转化。我们努力的目标是结合两个学科的优势,借用优秀的模型和方法,在引领神经科学的发展的同时,使现有的人工智能更加靠近人类智慧。
Tian, X., Ding, N., Teng, X., Bai F., &Poeppel, D. (in press). Imagined speech influences perceived loudness of sound. Nature Human Behavior.
TopoToolbox是一个开源的软件,致力于解决事件相关脑电/脑磁数据的拓扑分析,基于Tian和Huber(2008;2011)提出的方法。TopoToolbox为研究者提供了一个直接获取有关于拓扑性反应相关性以及由在传感器位置上的电磁信号产生的心理意义反应量级的准确测量的工具。这些分析在无解剖学描述的情况下验证心理学理论极为实用。 此软件主要提供以下三个功能:
角度测量:测量不同实验条件中,topo的相似度。
投射测量:以一个标准样板规格化个体差异来测量反应程度。
角度力学测量:评估时间线上的模式相似度。 此软件由Dr. Xing Tian, Dr. David Poeppel 和 Dr. David E. Huber共同开发. 其需要MATLAB平台运行,支持多种标准数据格式。请注明引用当您使用该软件用来发表文章:
Tian, X., & Huber, D. (2008). Measures of spatial similarity and response magnitude in MEG and scalp EEG. Brain Topography, 20(3), 131-141.
Tian, X., Poeppel, D., & Huber, D.E. (2011). TopoToolbox: Using sensor topography to calculate psychologically meaningful measures from event-related EEG/MEG. Computational Intelligence and Neuroscience, 2011. doi:10.1155/2011/674605
如果您有任何问题或者建议,请联系我,邮箱:xing.tian@nyu.edu
欢迎感兴趣的学生,博士后研究人员及合作者来直接与我联系。
田兴 邮箱: xing.tian@nyu.edu